FASES HORUS ML

Teniendo en cuenta estos valores, y aunque la configuración exacta de los pasos a seguir en nuestros proyectos dependerá siempre de las necesidades de la institución cliente, un proyecto estándar de Horus ML conlleva las siguientes fases:

1. Análisis y debate inicial con la institución cliente

En esta fase se producirán distintas conversaciones iniciales con la institución sanitaria para entender y definir correctamente sus necesidades y el alcance del proyecto, y se llevará a cabo un análisis preliminar de las bases de datos relevantes disponibles para realizar el proyecto. Esta fase será totalmente gratuita.

2. Definición del proyecto

Consiste en una definición rigurosa del objetivo y alcance del producto a crear, los tiempos del proyecto y el presupuesto final, incluyendo costes de personal y de servidores, en el caso de no emplearse recursos internos de la institución cliente. Esta fase también será totalmente gratuita.

3. Desarrollo del producto

En esta fase Horus ML llevará a cabo todas las acciones necesarias para el entrenamiento de los modelos de Machine Learning necesarios para alcanzar los objetivos definidos en el proyecto, empleando para ello los lenguajes de programación de software libre Python y R, las dos grandes referencias en este campo tecnológico.

Se realizarán reuniones periódicas con la institución cliente para informar de los avances realizados, presentar resultados intermedios, y recibir feedback por parte de su equipo médico que permita perfeccionar y adaptar el producto final a sus necesidades.

4. Presentación y entrega del producto final

Horus ML presentará a la institución cliente el producto final desarrollado, junto a todos los manuales técnicos y documentos formativos necesarios para su correcto uso por parte de la institución cliente. Esta fase terminará con la aprobación definitiva por parte de la institución cliente del producto desarrollado.

5. Integración en el HIS

Customer testimonials

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

"Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare."

Name Surname

Position, Company name

"Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare."

Name Surname

Position, Company name

"Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare."

Name Surname

Position, Company name

"Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare."

Name Surname

Position, Company name

"Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare."

Name Surname

Position, Company name

"Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare."

Name Surname

Position, Company name

CLIENTES

OE logoAriseHealth logo2020INC logoOE logoAriseHealth logoOE logo
AriseHealth logo2020INC logoThe Paak logoEphicient logoToogether logoToogether logo

FASES HORUS ML

Teniendo en cuenta estos valores, y aunque la configuración exacta de los pasos a seguir en nuestros proyectos dependerá siempre de las necesidades de la institución cliente, un proyecto estándar de Horus ML conlleva las siguientes fases:

Estudié un plan doble informática-matemáticas en la Universidad Autónoma de Madrid y, después, un doble máster de Inteligencia Computacional y Matemáticas Aplicadas. Fue en ese momento cuando escuché hablar por primera vez de los campos de Inteligencia Artificial y Machine Learning, lo que me llevó a embarcarme en un Programa de Doctorado en Informática centrado en estas técnicas. 

Al mismo tiempo, me convertí en freelance, lo que me ha permitido colaborar desde hace más de 10 años en distintas empresas y proyectos, desde aerolíneas como Iberia Express, a pequeñas empresas y startups médicas con base en el MIT.

En 2018 opté por centrar mi carrera en el ámbito sanitario, dado que crear aplicaciones en sanidad siempre ha sido mi objetivo a nivel laboral. Durante esos años fui director del Área de Machine Learning en Sigesa, empresa con amplia experiencia en el desarrollo de aplicaciones para la gestión sanitaria, y completé un máster en bioestadística y biología computacional en la Universitat Oberta de Catalunya. 

Finalmente, en 2022 decidí iniciar mi propia empresa, Horus ML, buscando crear una estructura que me brindara la oportunidad de llevar a cabo proyectos innovadores de Machine Learning, centrados en el ámbito de la clínica asistencial, que tuvieran un impacto real en la práctica clínica.

Miguel Bravo Prieto

Senior Data Scientist con especialidad en proyectos de Deep Learning
Experto en clasificación de imágenes y procesamiento de lenguaje natural

Miguel bravo Deep Learning Specialist at Horus ML

Mi curiosidad por el enigma que supone la consciencia y la percepción del ser humano me llevó a estudiar en 2012 un Grado en Psicología en la Universidad Autónoma de Madrid. Mis primeros pasos en la ciencia me llevaron a publicar una investigación dentro del campo de la Psicofísica en el marco de la Percepción Ecológica.

Más tarde en 2017 complementé mi formación, en la misma universidad, con un Máster en Física de la Materia Condensada y los Sistemas Biológicos, con Especialidad en Biofísica. Sin embargo, antes de iniciar un doctorado para continuar mi camino en la ciencia, mi vida dio un giro de 360 grados al descubrir el mundo del Big Data, y más en concreto la Inteligencia Artificial.

Fue entonces durante 2019 cuando realicé un Máster de Data Science en el Centro Universitario de Tecnología y Arte Digital (U-TAD) y comencé mi camino profesional como freelance en Iberia Express.
Tiempo después tras adquirir experiencia en múltiples subcampos del Deep Learning alcanzaría mi estatus de Senior Data Scientist.

Ahora en 2023 tras más de 4 años de experiencia sin cesar de buscar el conocimiento que me permitiese resolver nuevos retos y problemas, decidí sumarme a la iniciativa de Horus ML para seguir desarrollando proyectos disruptivos dentro del ámbito clínico, con la intención de generar un impacto real en la vida de las personas y de la sociedad.

horus ml linkedin

Carolina Espejo Paeres

Médica especialista en Cardiología
Dominio en la aplicación de métodos estadísticos a estudios clínicos

Carolina Espejo cardióloga at horus ml

Estudié Medicina en la Universidad de La Laguna y realicé la especialidad de Cardiología en el Hospital Clínico San Carlos de Madrid (2013-2018). Posteriormente decidí subespecializarme en el campo de la Cardiología Intervencionista realizando un fellowship de 3 años en el Hospital Clínico San Carlos. Obtuve el máster en Cardiología Intervencionista por la Universidad Complutense de Madrid en 2020 y la Acreditación en formación específica para la práctica de Hemodinámica y Cardiología Intervencionista en 2022. 

Durante mi formación como especialista he participado en múltiples proyectos de investigación clínica que han dado como fruto publicaciones en revistas científicas internacionales y presentaciones a congresos. Dado mi interés creciente en la investigación clínica, decidí realizar la Diplomatura en Diseño y Estadística en Ciencias de la Salud de la Universidad Autónoma de Barcelona (2020-2022).

También he sido profesora en el Máster Universitario en Diagnóstico por la Imagen en Cardiología de la Sociedad Española de Cardiología y actualmente me encuentro desarrollando mi tesis doctoral en investigación en ciencias médico-quirúrgicas, centrado en el campo de la Cardiología Intervencionista en la Universidad Complutense de Madrid.

academic research icon

EQUIPO HORUS ML

logo horus.ml blanco

CONTÁCTANOS

Si tienes un proyecto innovador entre manos y necesitas ayuda, no dudes en ponerte en contacto con nosotros:

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Cookies Acceptance Banner
Nos preocupamos por sus datos y sólo utilizamos cookies para mejorar su experiencia. Al utilizar este sitio web, aceptas nuestra Política de Cookies.